阿里巴巴
阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州
阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Ffmpeg
Go
Llm
Rag
音视频处理
值不值得投
78综合评分
综合评分 78
阿里云核心媒体处理架构岗，AI与音视频交叉的前沿技术栈，成长空间极大，但技术挑战与抗压要求较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5.5万
比后端开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3030 个在招 · 其中后端开发 77 个
市场机会
选择面较广
杭州 · 后端开发 · 约 170 个在招
职位详情
关于这个职位
该职位负责阿里云媒体处理核心系统的架构设计与研发，结合AI技术（Agent、RAG）提升媒体处理效果与效率
你需要主导高并发、高可用的系统建设，并探索大模型在智能运维、自动化生产等场景的落地，推动AI能力规模化应用
最低要求
计算机相关专业本科及以上学历，5年以上后端开发经验，其中至少2年媒体处理或音视频相关领域经验
具备极强的逻辑思维能力、责任心、学习能力以及抗压能力，拥有良好的沟通协作能力及跨团队推动力
编程语言：精通Java/Go/C++/Python中至少一门主流语言，具备深厚的编码功底，熟悉多线程、网络编程及内存管理
媒体处理领域：熟悉音视频基础知识（封装格式、编码标准H.264/H.265/H.266/AV1、码率控制、流媒体协议等）
有视频点播/直播系统、分布式媒体处理服务、转码集群业务层或智能媒资系统的开发经验
熟悉FFmpeg原理及应用，或有基于开源媒体处理框架进行二次开发的经验
了解转码增强（超分、窄带高清、画质修复、音频增强）等方向
分布式架构：精通微服务、缓存、消息队列、分布式数据库等中间件原理，有海量非结构化数据（视频文件）及元数据处理实战经验
云原生：熟悉Kubernetes、可观测体系，具备云原生环境下的系统设计与调优能力
大模型工程化：深刻理解主流LLM的能力边界，熟练掌握Context Engineering、Prompt Engineering、Function Calling等范式
AI工具链：是AI编程工具的重度玩家，擅长利用AI辅助进行系统设计与代码编写
具备将模糊的业务痛点转化为明确AI解决方案的能力
风险应对：具备大模型幻觉抑制、Prompt注入防御等安全工程化思路，能设计确定性逻辑兜底方案以保障业务稳定性
工作职责
媒体处理核心系统架构与研发：主导视频转码、截图、Meta、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本
负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合AI提升媒体处理效果与效率
设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务
负责媒体处理服务的稳定性建设，包括API 5XX治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标99.9%以上
AI原生应用落地（Agent & RAG）：深入媒体处理业务场景，利用Agent技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环
搭建基于RAG的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉
负责意图识别、步骤规划、反思纠错等Agent关键模块的工程化落地
封装标准化SDK/API，构建Agent观测体系，实现全链路追踪与多维效果归因
探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地
技术融合与效能提升：将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能
作为AI编程工具重度用户（如Qoder、Cursor、通义灵码），通过高阶Prompt Engineering和自动化代码生成提升研发效率
建立自动化评测与回测机制，推动AI能力从单点验证走向规模化落地
前沿技术探索与团队影响：跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案
每季度输出至少1篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力
优先资格
有多智能体编排、RAG知识库、视频垂类大模型应用的完整落地经验者优先
熟悉阿里云百炼、通义千问、OpenAI、Claude等模型平台或模型能力
在GitHub上有高质量的音视频处理或AI相关开源项目，或有技术博客/社区影响力
有独立完成的个人Demo或创新小项目，展现出对新技术的敏锐度和审美追求
AI 洞察
优缺点分析
优点
- AI与音视频结合是当前极具前景的前沿方向，技术壁垒高
- 大厂平台能提供丰富的技术资源与行业影响力背书
- 需要同时具备深厚的传统后端/音视频功底与前沿的AI大模型落地能力，技术跨度大，学习曲线陡峭
缺点 / 挑战
- 依托阿里云庞大的媒体处理业务场景，能接触到日均千万级任务的高并发架构挑战
- 系统可用性要求99.9%以上，稳定性保障与容灾降级压力较大
- 适合具备扎实后端与音视频基础，且对AI大模型应用有浓厚兴趣和实战经验，渴望在复杂业务场景中解决高难度技术挑战的资深工程师
角色解读
- 可向资深技术专家或云智能技术总监方向发展
- 在AI与音视频交叉领域建立行业影响力，成为智能媒体处理领域的领军人物
- 负责阿里云媒体处理核心系统的架构设计与研发，保障高并发与高可用
- 结合AI技术（Agent、RAG）实现媒体生产与运维的自动化闭环
- 探索大模型在智能运维、视频编辑等场景的创新落地
- 精通Java/Go/C++/Python等后端语言及分布式架构设计
- 深入理解音视频处理基础及FFmpeg等工具
- 熟练掌握大模型工程化、Agent编排及RAG知识库搭建
申请策略
- 准备1-2个将AI技术成功应用于传统业务的完整案例
- 了解阿里云媒体处理产品的现有架构与痛点，提出自己的优化思路
- 突出高并发、高可用分布式系统架构设计经验，特别是日均千万级任务调度的实战案例
- 详细展示音视频处理及FFmpeg相关的项目经验
- 重点描述Agent、RAG或大模型工程化落地的具体成果与业务收益
- 深入学习多智能体编排、RAG向量检索优化及大模型幻觉抑制策略
- 熟悉阿里云百炼、通义千问等模型平台的API调用与微调能力
面试指南
- 采用STAR法则，重点突出'业务痛点-技术选型-架构设计-落地效果'的闭环
- 在AI相关问题中，强调'工程化落地'与'确定性逻辑兜底'，展现对大模型边界的清晰认知
- 请描述一个你主导的高并发、高可用媒体处理系统架构，你是如何保障99.9%以上可用性的？
- 在Agent落地过程中，你是如何设计记忆管理、推理策略和工具调用的？遇到过哪些幻觉问题，如何抑制？
- 针对RAG知识库，你是如何优化向量检索和召回质量的？
- 结合音视频处理经验，谈谈大模型在智能转码参数推荐或自动化质检场景中的落地思路
- 复习分布式系统核心原理及Kubernetes云原生架构
- 梳理自己使用AI编程工具提升效率的具体实践与数据
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
专家级岗位薪资处于行业高位，且上市公司福利体系完善，但具体薪资需根据面试定级确定。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位处于AI与音视频交叉的前沿领域，技术栈极具挑战性，且要求输出技术沉淀，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agent、RAG、LLM、Kubernetes、FFmpeg、H.265、AV1
成长机会每季度输出至少1篇高质量技术沉淀、持续提升产品行业影响力
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB，但作为核心系统研发且要求99.9%可用性，通常工作强度较大。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
75中等
智能媒体处理是云计算的重要基础设施，推动AI在媒体行业的落地具有较高的行业价值与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs